Opisz model pracy z wątkami w Pythonie. Co to jest GIL i jak wpływa na równoległość? Jak rozwiązywać zadania z obliczeniami równoległymi w Pythonie?

Odpowiedź.

W Pythonie standardowa biblioteka udostępnia moduł threading do programowania wielowątkowego. Wątki pozwalają wykonywać kilka operacji równolegle w ramach jednego procesu. Jednak w standardowej implementacji Pythona (CPython) istnieje mechanizm GIL (Global Interpreter Lock) — globalna blokada interpretera, która pozwala tylko jednemu wątkowi na jednoczesne wykonywanie bajtowego kodu Pythona.

Oznacza to, że w CPython wielowątkowość nie pozwala osiągnąć rzeczywistej równoległości w wykonywaniu kodu Pythona na poziomie procesora; równoległość jest użyteczna tylko dla zadań związanych z oczekiwaniem (I/O-bound). Dla zadań typu CPU-bound zaleca się użycie modułu multiprocessing, który uruchamia kilka procesów i omija GIL.

Przykład:

import threading
def worker():
    print('Start')
    # ciężkie obliczenia
    print('End')
threads = [threading.Thread(target=worker) for _ in range(5)]
for t in threads:
    t.start()
for t in threads:
    t.join()

Aby uzyskać równoległość przy intensywnych obliczeniach, stosuj multiprocessing:

from multiprocessing import Pool
def square(x):
    return x*x
with Pool(4) as p:
    print(p.map(square, [1, 2, 3, 4]))

Pytanie z podstępem.

Czy wielowątkowość w Pythonie może przyspieszyć wykonywanie zadań obliczeniowych?

Odpowiedź: Nie, z powodu GIL w standardowej implementacji Pythona (CPython) wątki nie przyniosą wzrostu wydajności w zadaniach CPU-bound; dla takich zadań używaj multiprocessing lub alternatywnych implementacji interpretera (np. Jython, IronPython), które nie mają GIL.

Przykłady realnych błędów wynikających z braku znajomości szczegółów tematu.

---

Historia

W projekcie do przetwarzania dużych ilości danych zespół próbował przyspieszyć obliczenia za pomocą wątków (threading). Zamiast przyspieszenia czas pracy wzrósł, ponieważ GIL nie pozwalał wątkom działać równolegle; po przejściu na multiprocessing problem został rozwiązany.

---

Historia

Programista próbował jednocześnie pobierać duże pliki i przetwarzać je w kilku wątkach, ale często napotykał na "deadlock" z powodu nieostrożnego użycia wspólnych zmiennych bez blokad (bezpieczeństwo wątków).

---

Historia

Na serwerze backendowym zaimplementowano przetwarzanie ciężkich zapytań w puli wątków. Przy wzroście obciążenia serwer zaczął "zamierać" — okazało się, że większość czasu wątki spędzały na oczekiwanie na wykonanie kodu Pythona z powodu GIL, mimo że zapytania nie były związane z intensywnym I/O.